读取二进制文件（Python）

Question

我无法读取一个文件，不明白为什么：

f = open("test/test.pdf", "r")
data = list(f.read())
print data

返回结果是：[]

我想打开一个PDF文件，提取里面的每一个字节，然后把它们放到一个列表里。

我的代码哪里出问题了呢？ :(

谢谢！

Answer 1

• 根据我对PDF格式的理解，PDF文件不应该是纯粹的二进制文件。它应该是一个文本文件，里面可能包含很多二进制数据。不过我可能理解错了。
• 在Windows系统上，如果你要打开一个二进制文件，文件模式里需要加上b，也就是说要写成open(filename, "rb")。
  • 在类Unix系统上，加上b并不会造成什么问题，虽然它其实没有特别的意义。
• 使用文件时，最好用上下文管理器。也就是说，不要写f = open("test/test.pdf", "rb")，而是写成with open("test/test.pdf", "r") as f:。这样可以确保你的文件总是被关闭。
• list(f.read())这个代码通常用处不大。f.read()会返回一个字符串，而对它调用list会把它变成一个字符列表（每个字符都是一个字节的字符串）。这种情况很少需要。
• 无论是二进制文件还是文本文件，read都应该能正常工作。你确定test/test.pdf里有内容吗？Python似乎认为里面没有。

Answer 2

乔纳森说得对，如果你在Windows系统上，打开文件时应该使用二进制模式。

不过，PDF文件的开头是"%PDF-"，无论你是否使用二进制模式，这部分内容都是可以读取到的。

所以我觉得你的"test/test.pdf"文件可能是个空文件。

Answer 3

f = open("test/test.pdf", "rb")

在Windows系统上，读写文件时必须加上伪模式“b”，表示以二进制方式进行操作。否则，操作系统会默默地把它认为的“换行符”进行转换，这样就可能导致输入输出的数据出现错误。